概要
CodeGraph（colbymchenry/codegraph）は、コードベースをあらかじめ「知識グラフ」として索引化しておくローカル実行の OSS（MIT ライセンス、GitHub スター 5.4万超）。AI エージェントが grep・glob・Read を繰り返してコードを探索する非効率を、シンボル・呼び出しエッジ・依存関係を事前グラフ化することで解消し、ツール呼び出し58%削減・22%高速化・ファイル読み込みほぼゼロ（7言語7コードベースの中央値）を実測している。100% ローカル動作。Claude Code・Cursor・Codex CLI・OpenCode・Hermes Agent・Gemini CLI など幅広く対応。
詳細
仕組みと導入
MCP サーバーとしてエージェントに接続し、1回のクエリで必要なコードを正確に取得させる。動的ディスパッチのホップも追跡できる。
codegraph install # 使用中のエージェントを自動検出し MCP を組み込む
cd your-project
codegraph init # .codegraph/ を作りグラフを構築（以後ファイル変更を自動監視）効果はプロジェクト規模で変わる
- ツール呼び出しの削減・高速化は規模を問わず一貫して現れる
- トークン・コスト削減は大規模モノレポほど顕著
実プロジェクト検証で見えた盲点（43万LOCのDjango）
同カテゴリの知識グラフツール GitNexus での実測から、静的解析型グラフの限界が確認された。
- アプリ跨ぎの通常 Python 呼び出しは正確に張れる — 知識グラフの本領。grep より速く安全
- Django の動的ディスパッチは繋がらない —
signal.connect()/.delay()/.apply_async()は実行時に張られるエッジで静的解析では捕捉できず、impactedCount: 0の false-safe を返しうる。CodeGraph も同じ静的解析ゆえ同じ盲点を踏む可能性が高い - 日本語(CJK)の自然言語クエリは縮退する — 英語やシンボル名主体の運用が要る
- 索引の陳腐化は運用コスト — 「自動監視」を過信せず更新の点検は残る
教訓: ベンチマークの 58%削減は静的呼び出しが素直な言語で測ったもので、signals/Celery が主戦場の Django には直接転移しない。既に同カテゴリツールを使うなら、乗り換えは同一クエリでの精度実測で判断する。
関連ページ
- Claude Code — CodeGraph を MCP で接続する主要エージェント
- MCP — エージェントとの接続プロトコル
- Brownfield リファクタリング — 大規模既存コードの依存把握に関わる
ソース記事
- CodeGraph：AIコーディングのツール呼び出しを58%削減するコード知識グラフOSS — 2026-06-24